GigaSLAM：基于分层高斯泼溅的大规模单目 SLAM
机器人学
2025-06-11 v2 计算机视觉与模式识别
摘要
仅使用单目 RGB 输入在大规模、无界室外环境中进行跟踪与建图，对现有 SLAM 系统提出了重大挑战。传统的神经辐射场（NeRF）和 3D 高斯泼溅（3DGS）SLAM 方法通常局限于小型的、有界的室内环境。为了克服这些挑战，我们引入了 GigaSLAM，这是首个用于千米级室外环境的基于 RGB NeRF / 3DGS 的 SLAM 框架，并在 KITTI、KITTI 360、4 Seasons 和 A2D2 数据集上进行了演示。我们的方法采用分层稀疏体素地图表示，其中高斯由神经网络在多个细节层级进行解码。这种设计能够在广阔、无界的场景中实现高效、可扩展的建图和高保真视点渲染。在前端跟踪方面，GigaSLAM 利用度量深度模型结合对极几何和 PnP 算法精确估计位姿，同时引入基于词袋的回环闭合机制以在长轨迹上保持稳健的对齐。因此，GigaSLAM 在城市室外基准测试中实现了高精度跟踪和视觉保真渲染，为大规模、长期场景建立了稳健的 SLAM 解决方案，并显著扩展了高斯泼溅 SLAM 系统在无界室外环境中的适用性。GitHub: https://github.com/DengKaiCQ/GigaSLAM。
引用
@article{arxiv.2503.08071,
title = {GigaSLAM: Large-Scale Monocular SLAM with Hierarchical Gaussian Splats},
author = {Kai Deng and Yigong Zhang and Jian Yang and Jin Xie},
journal= {arXiv preprint arXiv:2503.08071},
year = {2025}
}